SpringBoot+Vue企业健康评测系统架构与实现

1. 项目背景与核心价值

疫情常态化管理已成为企业运营的重要组成部分。传统纸质登记或简单电子表格方式存在数据分散、统计困难、追溯性差等问题。这套基于SpringBoot+Vue+MyBatis+MySQL的企业级健康评测系统，正是为解决这些痛点而生。

我在2022年参与某跨国制造企业的防疫系统升级时，深刻体会到这类系统的关键价值：

• 实时性：3000+员工每日健康状态秒级汇总
• 合规性：自动生成符合各地防疫政策的报表
• 可追溯：精确到人的历史记录查询
• 集成性：与企业OA、门禁系统无缝对接

2. 技术架构解析

2.1 整体架构设计

采用经典前后端分离架构：

code复制前端：Vue 3 + Element Plus + Axios
后端：SpringBoot 2.7 + MyBatis-Plus 3.5
数据库：MySQL 8.0 + Redis缓存
部署：Nginx + Docker容器化

这种组合的选型考量：

1. Vue3的Composition API更适合复杂表单交互（如动态问卷）
2. MyBatis-Plus的Lambda查询完美适配多条件筛查需求
3. Redis缓存应对早高峰集中打卡的并发压力

2.2 核心数据模型

系统围绕五大核心实体构建：

java复制// 员工基础模型
public class Employee {
    private Long id;
    private String employeeId;  // 工号
    private String name;
    private Integer departmentId;
    // 关联健康记录
    private List<HealthRecord> records;
}

// 健康记录模型
public class HealthRecord {
    private LocalDateTime reportTime;
    private BigDecimal temperature;
    private Integer healthStatusCode; // 1正常 2异常
    private String location; // GPS坐标
    // 关联问卷
    private HealthQuestionnaire questionnaire;
}

3. 关键功能实现

3.1 智能问卷引擎

动态生成健康问卷的核心逻辑：

java复制public List<Question> generateDailyQuestions(Employee emp) {
    // 基础问题
    List<Question> baseQuestions = questionTemplateService
        .getBaseTemplate();
    
    // 根据部门添加特殊问题
    if(emp.getDepartmentId().equals(HIGH_RISK_DEPT)) {
        baseQuestions.addAll(
            questionTemplateService.getDeptSpecificQuestions()
        );
    }
    
    // 根据当地疫情动态调整
    if(epidemicService.isHighRiskArea(emp.getLocation())) {
        baseQuestions.addAll(
            epidemicService.getEpidemicQuestions()
        );
    }
    return baseQuestions;
}

3.2 实时数据看板

使用ECharts实现的管理视图包含：

1. 热力图：异常人员分布
2. 趋势图：体温异常波动
3. 部门对比：各单元健康指数

前端关键代码：

vue复制<template>
  <el-row>
    <el-col :span="12">
      <heat-map :data="locationData" />
    </el-col>
    <el-col :span="12">
      <line-chart :series="tempTrendSeries" />
    </el-col>
  </el-row>
</template>

<script setup>
// 使用WebSocket实时更新数据
const socket = new WebSocket('/realtime');
socket.onmessage = (event) => {
  dashboardData.value = JSON.parse(event.data);
}
</script>

4. 企业级特性实现

4.1 多级审批流

请假/异常报备的审批流程设计：

mermaid复制graph TD
    A[员工提交] --> B{是否跨省?}
    B -->|是| C[部门负责人审批]
    B -->|否| D[系统自动通过]
    C --> E{是否高风险地区?}
    E -->|是| F[防疫专员复核]
    E -->|否| G[HR备案]

对应的状态机实现：

java复制public class ApprovalStateMachine extends StateMachineAdapter {
    @Override
    public void transition(Transition transition) {
        // 根据疫情政策动态调整审批规则
        if(epidemicPolicyService.isStrictMode()){
            addTransition(new StrictRuleTransition());
        }
    }
}

4.2 数据安全方案

针对健康数据的特殊保护措施：

1. 传输加密：HTTPS + 自定义报文加密
2. 存储加密：MySQL AES-256字段级加密
3. 脱敏查询：MyBatis拦截器自动处理

java复制@Intercepts(@Signature(type= ResultSetHandler.class, 
    method="handleResultSets", 
    args={Statement.class}))
public class DataMaskInterceptor implements Interceptor {
    @Override
    public Object intercept(Invocation invocation) {
        // 对身份证号等字段自动脱敏
        if(isHealthDataQuery()){
            return maskSensitiveFields(resultSet);
        }
        return invocation.proceed();
    }
}

5. 性能优化实践

5.1 高并发处理

早打卡高峰期的优化策略：

1. 缓存预热：每日6:00预加载员工列表
2. 异步写库：RabbitMQ削峰填谷
3. 分库分表：按部门水平拆分健康记录表

消息队列配置示例：

yaml复制spring:
  rabbitmq:
    listener:
      simple:
        prefetch: 50 # 控制消费速率
        concurrency: 10

5.2 查询优化

复杂统计查询的解决方案：

sql复制-- 使用物化视图加速部门汇总查询
CREATE MATERIALIZED VIEW dept_health_summary
REFRESH COMPLETE EVERY 1 HOUR
AS 
SELECT 
    department_id,
    COUNT(CASE WHEN status=1 THEN 1 END) as normal_count,
    AVG(temperature) as avg_temp
FROM health_records
WHERE report_date = CURDATE()
GROUP BY department_id;

6. 部署与监控

6.1 容器化部署

Docker Compose编排方案：

dockerfile复制version: '3.8'
services:
  app:
    image: health-check:1.0
    environment:
      - SPRING_PROFILES_ACTIVE=prod
    depends_on:
      - redis
      - mysql
  mysql:
    image: mysql:8.0
    volumes:
      - ./mysql-data:/var/lib/mysql

6.2 监控体系

Prometheus监控指标配置：

yaml复制- job_name: 'health_check'
  metrics_path: '/actuator/prometheus'
  static_configs:
    - targets: ['app:8080']
  relabel_configs:
    - source_labels: [__address__]
      target_label: instance

关键监控项包括：

1. 打卡成功率
2. 问卷提交耗时P99
3. 数据库连接池使用率

7. 扩展与集成

7.1 第三方对接

与企业微信对接的示例代码：

java复制public class WeChatNotifier {
    public void sendAlert(HealthException exception) {
        String message = String.format(
            "[健康异常] %s %s 体温%.1f℃", 
            exception.getEmployeeName(),
            exception.getDepartment(),
            exception.getTemperature()
        );
        weChatClient.send(exception.getManagerId(), message);
    }
}

7.2 智能分析扩展

基于历史数据的预测模型：

python复制# 使用Prophet进行异常预测
from prophet import Prophet

def predict_risk(department_id):
    df = load_history_data(department_id)
    model = Prophet(seasonality_mode='multiplicative')
    model.fit(df)
    forecast = model.make_future_dataframe(periods=7)
    return model.predict(forecast)

8. 踩坑实录

8.1 时区问题

初期遇到的跨时区问题：

• 海外分公司记录显示错误日期
• 解决方案：

java复制@Bean
public Jackson2ObjectMapperBuilder objectMapperBuilder() {
    return new Jackson2ObjectMapperBuilder()
        .timeZone(TimeZone.getTimeZone("UTC"))
        .simpleDateFormat("yyyy-MM-dd HH:mm:ss");
}

8.2 缓存雪崩

Redis缓存同时失效导致DB压力骤增：

• 优化方案：

1. 设置随机过期时间
2. 采用多级缓存策略

java复制@Cacheable(value = "employees", 
    key = "#deptId",
    cacheManager = "caffeineCacheManager")
public List<Employee> getByDepartment(Long deptId) {
    // ...
}

这套系统在实际部署中经受住了3000人同时在线打卡的考验，日均处理10万+健康数据记录。特别提醒：企业部署时要重点考虑数据合规性，建议与法务团队共同评审数据存储方案。